中国出口贸易的时间序列分析.doc
《中国出口贸易的时间序列分析.doc》由会员分享,可在线阅读,更多相关《中国出口贸易的时间序列分析.doc(10页珍藏版)》请在三一文库上搜索。
1、中国出口贸易的时间序列分析问题的提出 最近几年,中国的外贸形势较以往发生了显著的变化,从国际看,世界经济温和复苏态势基本确立,经济增速缓慢回升。美国劳动力市场、金融市场持续向好,经济进入稳步增长轨道。欧元区经济爆发系统性风险的可能性下降,随着货币政策宽松力度加大,经济将实现低速增长。日本消费税率上调的影响逐渐减弱,但结构改革效果不容乐观,经济将实现微弱增长。新兴经济体经济增长总体仍快于发达国家,应对经济冲击的能力有所增强。国际货币基金组织预计,2015年世界经济将增长3.8%,增速比2014年提高0.5个百分点。世界贸易组织预计,2015年全球贸易量将增长4%,增速比2014年提高0.9百分点
2、。联合国贸发会议预计,2015年全球跨国投资规模将从2014年的1.6万亿美元扩大到1.7万亿美元。但金融危机后续影响依然存在,深层次结构性矛盾凸显,发达国家宏观政策分化,贸易保护主义势头上升,热点地区地缘政治冲突加剧,将成为经济波动的重大风险来源(刘宏、梁文化,2016)。 鉴于此,本研究希望通过出口的贸易值来预测未来出口贸易形势发展,一般对于贸易的发展大都从理论或经验做事先的推论和判断,再配合实际的贸易情况来验证,而对于贸易情况的掌握,较常用的资料是贸易金额、成长率、比重。另外,还有许多通过贸易资料整理而成的贸易指标,也可作各种角度的另类贸易情势分析,因此若能预测出未来我国的贸易值,则可以
3、用来作为我国各项贸易指标的基础,而政府相关的研究机构也可以透过整理这些较重要的贸易指标,来分析我国的贸易情势,或了解我国贸易动向,借此也可作为拓展外销努力及订定贸易政策的参考。 本研究是以Box和Jenkins(1970)所提出的时间序列分析ARIMA模式为研究方法(Akalike,E.A,2013),并针对我国的出口贸易建立预测模型,以发掘数据中的关联、样式和趋势,并预测出未来趋势变化以应用于决策和管理,以期能提出更加准确的建议。根据本研究目的,我国出口贸易值预测有其相当的重要性及可行性,加上政界及学界对于出口贸易的真实数据皆有相当迫切的需求,因此如何建立一套更有效的估计方法,作为出口经贸政
4、策的数量管理成为现阶段的重要工作。 预测方法选择 近几年随着预测技术的创新以及准确率的提升,在民间企业或政府控制与管理的决策过程中,预测一直起着举足轻重的作用。而且预测技术已经广泛使用在各个领域,如经济学理论、系统理论、工业工程理论、决策理论、模式认定、医学、气象学等(陈文静,2015)。 一般对于总体经济变量的预测,常涉及计量经济模式或时间序列模式的建立,而在时间序列模式应用的研究上有愈来愈多的倾向。目前关于应用在贸易预测方面的文献还不是很多(杜文静等,2015;刘再起等,2015;Dickey, D. A等,2012;陈俊聪等,2013),最早应用时间序列分析及因素分离预测法,对我国出口贸
5、易总量进行研究,其文章中分别讨论其方法的特性,然后再谈预测模式的选择及建立,最后再应用到预测值的演算。其研究目的在于阐述两种具有价值的预测方法,并以出口贸易的成长为例,以分析当前国家在贸易上的发展,并配合经济形态的变化,经由方法的讨论,作为预测的工具来预测未来国家经济发展动向。随后学者提出以建立实务导向的出口需求预测模式,以利出口业者掌握国际市场之需求。该研究是运用贝氏动态回归分析,建立出口需求预测模型。另外有学者提出了随机贸易模型,分析政府在获得预测信息后采取库存调整所能增加的经济效益,同时也讨论圣婴对稻米生产、贸易与福利所带来的影响。 由以上文献可以得知,贸易预测虽然有许多不同的方法可以去
6、做预测,例如ARIMA模式、因素分离预测法、线性回归或指数模式等,但是何种预测方法较佳,却是各方见解都不同。而本研究中发现应用时间序列ARIMA模式进行研究有愈来愈多的倾向。同时,时间序列ARIMA模式在经济领域应用的层面也愈来愈广泛,例如:应用在股价指数、基金流量、汇率等方面的预测,而且该模式皆有不错的绩效(陈愉瑜,2012;Martin, C. A.等,2014)。综合上述论点,就预测目的而言,并无法论定哪一种预测方法是最好的,因为预测模式没有唯一性,只有合理性。虽然预测的精确性是选择预测模式须考虑的条件,但也必须考虑其他各种因素,如预测的成本、预测的区间、预测方法的难易等。由于ARIMA
7、 在各领域应用的范围愈来愈广,而且也有不错的预测效果。ARIMA 模式是根据预测对象本身的过去历史数据直接作预测,不考虑其他的变量,所以在预测成本上会比其他方法节省更多搜集数据的时间;而且在数据的取得上也比较方便,所以本研究基于以上的考虑及简便易行的原则,决定采用ARIMA模式来建立我国出口贸易值的预测模型,以期找出最佳的模式来进行预测。 ARIMA时间序列模式 由于Box-Jenkins(1970)所发展的自我回归整合移动平均模式(Autoregressive Integrated Moving Average,ARIMA),是运用变量本身的落后值及过去与当期误差值之加权总合建立模式,不但能
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中国 出口贸易 时间 序列 分析
链接地址:https://www.31doc.com/p-1594117.html